Django 的缓存系统可将频繁访问的数据（如热门列表、首页内容）暂存到内存、Redis 等介质中，避免重复查询数据库，通常能使 API 响应时间从数百毫秒降至数十毫秒。以下是三种核心缓存策略的实现：
（1）视图级缓存：缓存整个视图响应
对于内容不常变化的视图（如热门商品列表、分类页面），使用@cache_page装饰器可直接缓存视图的返回结果，无需修改业务逻辑。
# 1. 配置缓存后端（settings.py）
# 生产环境推荐使用Redis，开发环境可使用本地内存
CACHES = {
'default': {
'BACKEND': 'django_redis.cache.RedisCache',
'LOCATION': 'redis://127.0.0.1:6379/1', # Redis地址（数据库1）
'OPTIONS': {
'CLIENT_CLASS': 'django_redis.client.DefaultClient',
'PASSWORD': 'your_redis_password', # 若Redis有密码需配置
},
'TIMEOUT': 300, # 默认缓存超时时间（秒），可在视图中覆盖
}
}
# 2. 视图中应用缓存（views.py）
from django.views.decorators.cache import cache_page
from django.utils.decorators import method_decorator
from rest_framework.views import APIView
from rest_framework.response import Response
from .models import Product
# 函数视图：缓存15分钟（900秒）
@cache_page(60 * 15) # 缓存时间：秒数
def hot_products(request):
"""热门商品列表：15分钟更新一次"""
# 复杂查询：若不缓存，每次请求都会执行该SQL
hot_products = Product.objects.filter(
is_hot=True
).select_related('category').order_by('-sales')[:10]
data = [
{
'id': p.id,
'name': p.name,
'price': float(p.price),
'category': p.category.name
} for p in hot_products
]
return Response({'code': 200, 'data': data})
# 类视图：使用method_decorator应用缓存
@method_decorator(cache_page(60 * 10), name='dispatch') # 缓存10分钟
class CategoryListView(APIView):
"""商品分类列表：10分钟更新一次"""
def get(self, request):
from .models import Category
categories = Category.objects.all()
data = [{'id': c.id, 'name': c.name} for c in categories]
return Response({'code': 200, 'data': data})（2）对象级缓存：缓存单个数据对象
对于频繁访问的单个对象（如用户信息、商品详情），使用cache.get和cache.set手动控制缓存，灵活性更高，适合需要自定义缓存键或超时时间的场景。
from django.core.cache import cache
from rest_framework.views import APIView
from rest_framework.response import Response
from .models import Product
from .serializers import ProductSerializer
class ProductDetailView(APIView):
"""商品详情：缓存单个商品对象"""
def get(self, request, product_id):
# 1. 定义缓存键：包含业务标识和商品ID，避免键冲突
cache_key = f'product_detail:{product_id}'
# 2. 尝试从缓存获取数据
cached_data = cache.get(cache_key)
if cached_data:
# 缓存命中：直接返回，无需查询数据库
return Response({'code': 200, 'data': cached_data})
# 3. 缓存未命中：查询数据库
try:
product = Product.objects.get(id=product_id)
except Product.DoesNotExist:
return Response({'code': 404, 'msg': '商品不存在'}, status=404)
# 4. 序列化数据
serializer = ProductSerializer(product)
product_data = serializer.data
# 5. 存入缓存：设置超时时间为30分钟（60*30秒）
cache.set(cache_key, product_data, timeout=60*30)
# 6. 返回数据
return Response({'code': 200, 'data': product_data})
def put(self, request, product_id):
"""更新商品：更新后清除缓存，避免返回旧数据"""
# 业务逻辑：更新商品信息（此处省略）
# ...
# 关键操作：清除该商品的缓存，确保下次请求获取最新数据
cache_key = f'product_detail:{product_id}'
cache.delete(cache_key)
return Response({'code': 200, 'msg': '商品更新成功'})（3）ORM 查询优化：减少数据库交互
除了缓存，ORM 查询优化是提升性能的基础。通过select_related（预加载外键）、prefetch_related（预加载多对多）、only（只查询需要的字段）等方法，可减少 SQL 查询次数，解决 “N+1 查询问题”。
# 反例：未优化的查询（N+1问题）
# 1次查询获取10个商品（1次SQL），然后每个商品查询分类（10次SQL），共11次查询
def bad_product_query():
products = Product.objects.all()[:10]
data = []
for p in products:
data.append({
'id': p.id,
'name': p.name,
'category_name': p.category.name # 每次循环都会执行一次SQL
})
return data
# 正例1：使用select_related预加载外键（多对一关系）
# 仅1次SQL查询，同时获取商品和关联的分类
def good_product_query1():
products = Product.objects.select_related('category').all()[:10] # 预加载外键
data = []
for p in products:
data.append({
'id': p.id,
'name': p.name,
'category_name': p.category.name # 无额外SQL
})
return data
# 正例2：使用prefetch_related预加载多对多关系
# 场景：获取商品及其关联的多个标签（多对多）
def good_product_query2():
from .models import Tag
# 2次SQL查询：1次查商品，1次查标签，然后在Python中关联
products = Product.objects.prefetch_related('tags').all()[:10]
data = []
for p in products:
tag_names = [tag.name for tag in p.tags.all()] # 无额外SQL
data.append({
'id': p.id,
'name': p.name,
'tags': tag_names
})</doubaocanvas>